中國耕地種植制度遙感探測及其時空特征

張素心，申格，余強毅，吳文斌

中國耕地種植制度遙感探測及其時空特征

張素心1，申格2，余強毅1，吳文斌1

1中國農業科學院農業資源與農業區劃研究所/北方干旱半干旱耕地高效利用全國重點實驗室/農業農村部農業遙感重點實驗室，北京 100081；2浙江財經大學土地與城鄉發展研究院，杭州 310018

【目的】耕地種植制度是農業生產方式的具體體現，其形成受自然資源要素與人類土地利用行為綜合影響，反映了“人類-自然”的耦合關系。本研究旨在科學掌握全國耕地種植制度格局，為優化農業生產布局、提高農業生產能力、推動農業可持續性發展提供依據。【方法】結合遙感監測與空間決策樹模型等手段，構建適合我國農情的跨年度種植制度探測方法體系，并開展空間格局分析。首先，通過辨析種植強度、復種指數等概念，從長期性、周期性、穩定性等方面，定義種植制度的內涵；其次，構建連續度、頻度指標，并利用基于時序遙感的2001—2018年中國復種指數監測結果，結合時間滑動窗口方法，在像元尺度分別計算兩個指標的具體值；最后，評估耕地的種植強度與種植制度特征的顯著性，利用決策樹方法確定種植制度類型，從區域差異、動態規律等方面分析不同區域種植制度的時空異質特征。【結果】（1）面積上看，一年一熟所占面積最大，占53.52%，超過耕地總面積的一半；其次是一年兩熟，占23.28%，季節性休耕（如兩年三熟）與年度休耕分別占12.80%和6.94%。（2）空間上看，一年一熟、一年兩熟、季節性休耕與年度休耕的集中分布區分別為東北地區、華北地區、長江以南地區與“鐮刀彎”地區。（3）時間上看，動態穩定的種植制度從時間維度上揭示了靜態復種指數背后的異質性，例如，2018年復種指數為1的區域，其中75.18%屬于一年一熟、6.60%屬于一年兩熟、8.92%屬于季節性休耕、8.02%屬于年度休耕。【結論】本研究提出了一種結合時序遙感監測與空間決策樹模型的跨年度分類體系，揭示了中國耕地種植制度分區聚集、種植強度南高北低的空間格局，直觀展現了松嫩平原、“鐮刀彎”等空間聚集區；分析了耕地復種與種植制度的時空差異特征，主要表現在種植制度與年度復種指數的空間不一致性，以及種植制度特有的周期性。研究結果可為合理提高耕地復種強度、推動實施“藏糧于地”戰略提供案例支撐。

耕地；種植制度；復種；休耕輪作；跨年度；時空格局

0 引言

【研究意義】過去30年間全球三分之一的農作物產量變化均與氣候變化相關[1]。氣候變化影響著農業生產中的各環節要素，如播種日期[2]、種植頻率[3]、作物單產[4]、耕地面積[5]等，更有極端氣候事件直接造成農業生產的巨大損失[6-7]。諸如《巴黎協定》《聯合國氣候變化框架公約》等國際合作政策力求在全球尺度減緩氣候變化，而區域性的政策則指導農戶更好地應對氣候變化，發展更具風險抵抗性的種植制度[8]。當前氣候變化背景下，深入實施“藏糧于地”戰略，提高糧食產出能力與環境可持續性極為重要。我國位于季風氣候區，水熱條件優越，多熟種植現象普遍[9-10]。多熟種植既是當前提升糧食產量的重要途徑之一，也是“藏糧于地”戰略的后備支撐。但不同尺度下多熟種植的增產效應與環境效應尚未明確，而格局與過程探測是功能與效應分析的重要基礎[11]，因此亟需科學掌握種植制度的時空分布、狀態及演變過程。我國幅員遼闊、種植制度復雜，其中不僅包括簡單的年內種植制度，還包括“兩年三熟”的跨年度種植制度，利用種植制度在時間維上表現出的周期性能夠同時提升這兩類制度的識別準確性。并且，功能與效應分析同樣重視種植制度的周期性[3]。以完整的“周期”替代固定的年份作為最小時間單元，更符合實際的農業利用規律，對探究分析多熟種植效應，優化調控種植制度格局，推進農業可持續生產，確保糧食與生態安全具有重要意義。【前人研究進展】由于涉及到一年多熟、間套輪連等種植方式，種植制度成為國內外研究的熱點領域[12-13]。當前種植制度研究關注的核心是一塊地在一年（或一段時間）內種收了多少季作物，即種植強度[13]。研究表明，高強度的種植制度雖然有助于顯著提高糧食產能[14-15]，但同時將導致土壤有機碳含量降低[16]、微生物群落豐度降低[17]、溫室氣體排放增加[18]、土壤水分流失速率加快[19]、加劇氣候變化[20]等負面效應。因此，種植強度的潛力估算[21]與遙感監測[22]成為當前的研究熱點之一，研究對象以年度種植強度為主，并衍生出“復種指數”“復種頻率”等概念描述一年內多次種植的頻次。Yan等[23]基于改進后的峰值法生成了中國年度作物種植強度圖并進行時空變化跟蹤分析；Xiang等[24]采用融合數據的方法與復種頻率的新概念，更精細地觀察農田的種植強度。另外，近年來也出現了許多研究直接針對種植制度的遙感識別模式進行探索。Qiu等[25]在提取種植強度的基礎上引入作物識別，完成了玉米、小麥、水稻3類主糧作物的種植模式制圖；Waha等[12]以逐月的作物種植面積、作物收獲面積的統計數據為基礎，在全球耕地范圍內識別生長季節不重疊的2種或3種作物的多熟種植制度。【本研究切入點】然而，以上研究多集中于年度種植強度監測與年內的種植制度識別，對于種植制度的時間維特征了解不夠充分，現有的方法體系難以有效識別跨年度種植制度。傳統的固定年份的遙感監測簡化了農業生產情況，無法準確地捕捉、描述農作物跨年度生長的現象，也無法識別種植強度年際間的變化是否存在規律，固定年份的監測結果無法體現種植制度的主要特征。本研究基于長時序遙感數據獲取連續、精準、大范圍的種植強度信息，構建跨年度分類體系自動提取種植制度的周期性特征，并完成種植制度的快速識別，同時注重長時期內耕作行為的系統性，有效地判別跨年度種植引起的年度種植強度變化以及有意識的全年休耕行為，挖掘種植制度的穩定性與長期性，由靜態的種植強度向動態穩定的種植制度轉變，結果更還原地面長期利用情況，提升大尺度農作物種植制度研究的時間跨度與空間粒度。【擬解決的關鍵問題】重點解決兩大關鍵問題：一是如何科學設置指標體系適應種植制度的周期性，并量化種植制度的穩定性與長期性；二是如何有效融合長時序、跨年度信息構建種植制度自動識別方法。在傳統遙感方法提取固定年份的耕地種植強度信息的基礎上，通過本研究構建種植制度遙感探測全新認知體系，有效識別我國復雜農情條件下，一年多熟、兩年三熟、休耕輪作等種植制度的時空特征。

1 材料與方法

1.1 研究區

中國處于歐亞大陸東南部，屬季風氣候區，雨熱同季，熱量豐富，耕地具備多熟種植的氣候潛力，且氣候變暖將進一步擴大多熟種植的范圍[21]。根據現有研究成果，中國耕地的種植強度大體上由南至北、由東至西遞減[22]。但地面種植情況復雜，種植行為多變，遙感監測難度較大。本研究將基于2001—2018年間全國耕地的種植強度數據集探測識別我國耕地上長期穩定存在的種植制度。

1.2 數據來源

本研究采用2001—2018年全國復種指數產品[22,26]。該套數據集基于2001—2018年的MODIS09A1影像數據生成，并利用GlobeLand30-2010數據制作耕地掩膜，通過小波譜頂點法提取一年內農作物植被指數的峰值個數以確定農作物年度種收頻次。數據集的空間分辨率為500 m，總體精度可達91.14%，復種指數結果有1、2、3、0共4個類別（圖1），分別表示一年內種植一季作物、兩季作物、三季作物和未種植作物。年度復種指數能夠很好地反映本年度的種植強度，也是判斷種植制度熟制的基礎。

審圖號：GS京（2024）0621號

2001—2018年間全國耕地復種指數的變化情況如圖2所示。在2001—2002年、2005—2006年間有過較大幅度的提升，僅2006年和2018年兩個年份超過1.30。不同復種指數在本年度的占比變化情況如圖3所示。可見，一年一熟始終占有最高的比例，并呈現小幅度上升的趨勢；一年兩熟的面積在研究期前期波動較大，近幾年趨于平穩；一年三熟的波動情況較小，但其占比也較少；耕地撂荒現象正在不斷減少。此外，2001—2018年間，共有47.32%像元的復種指數維持在穩定狀態，29.05%像元的復種指數呈現上升態勢，23.63%像元的復種指數表現為下降趨勢。

圖2 2001—2018年復種指數年度均值變化圖

圖3 2001—2018年復種指數占比變化圖

1.3 研究框架構建

耕地為人類提供了生產、生活、生態的復合空間[27-28]，是人類生存和發展的重要物質基礎。人類根據耕地資源的分布與自然條件特征，對其有意識進行開發、管理和利用，形成了“自然環境-社會經濟”要素耦合的特殊地域綜合體[11,13]。一方面，氣候、土壤、地形等因素決定了一塊土地是否適宜耕種，體現了耕地的自然屬性[1,29]；另一方面，國家政策、經濟收益、社會習慣等因素很大程度上影響人類在耕地上種什么、怎么種等種植行為，體現了耕地的利用屬性[30-33]。種植制度（cropping system）指一個地區或生產單位的作物組成、配置、熟制的總稱[34-35]，作為一種在自然因素影響下，人類長期性、穩定性、周期性利用耕地的方式，種植制度綜合體現了耕地的自然屬性與利用屬性。穩定的長期種植制度與當地的氣候相適應，更有利于提高農業生產的穩定性和可持續性，降低氣候變化或其他因素對作物產量產生的影響，更好地滿足糧食供應需求。國家可以通過制定支持可持續農業實踐的政策來促進種植制度的長期延續，如我國的休耕補貼，了解長期的種植制度格局有助于評估氣候變化與國家政策等因素對于農業生產的影響。

本研究為兼顧自然條件的異質性與種植行為的多樣性，共選擇了4類各具代表性的種植制度作為遙感探測的目標，種植強度從高至低依次為一年兩熟、季節性休耕、一年一熟與年度休耕。一年一熟與一年兩熟制度為我國糧食作物種植的主要種植制度類型，具體是指在一個年度內種植一季或兩季作物。季節性休耕是指年平均種植強度＞1，但出于養地、協調作物生育期或其他目的，實際種植強度并未達到多熟種植潛力上限的一類種植制度。本研究參考Shen等[36]在鄱陽湖地區的研究，設置了兩年三熟與三年五熟兩種類型的季節性休耕制度。而在一年一熟的北方地區為了涵養地力則會選擇全年休耕[37-38]。在中國，由于經濟、政策因素導致的撂荒、輪作、休耕等現象十分普遍，但仍缺乏針對性的遙感監測研究[39]，本研究構建的分類體系在引入跨年度信息后能夠有效地對撂荒和休耕進行識別，因此特設置了年度休耕制度，根據休耕發生的間隔不同，分為一年一休、兩年一休以及三年一休3種類型。

1.3.1 指標的定義與計算 種植強度指耕地在一年（或一段時間）內利用的次數，一般為種收農作物的次數，是種植制度的核心[13]，常作為耕地集約化利用評價的頻度特征[40]。已有研究表明，種植行為相較覆蓋作物類型更強烈地影響到土壤微生物[41]；種植強度變化后，土壤性狀、作物水利用效率、局部氣候均產生響應變化[19-20,42]。因此在定義種植制度類型之前對種植強度進行初步分析，計算累計種植強度與年均種植強度。具體方法：采用疊加計算的手段嘗試降低復種指數因年際間波動產生的不利影響，并將年均種植強度與年內復種情況進行對比分析，以此為參考細化研究的種植制度類型。

種植制度具有持續性、周期性與穩定性三大特征[35]，本研究基于種植制度客觀存在的特征設置了連續度、頻度兩項指標，用以探測識別長期、穩定的種植制度。連續度（continuity），定義為研究期內符合目標種植制度特征的最長不間斷年限。若某一種植制度出現高連續度，則說明農戶具有保持與延續該制度的傾向，從而使得該制度按照固定的周期多次、不被打斷地重現，種植制度的周期被不斷地鞏固，表現為周期性；種植制度持續的時長不斷延長，表現為持續性。頻度（frequency），定義為研究期內符合目標種植制度特征的年限。若某一種植制度出現高頻度，則說明農戶具有主動選擇與復現該制度的傾向，即使該制度的周期中斷后也能較快地復現，這種主觀的意愿極有利于種植制度的存續，表現為穩定性；種植制度持續的時長不斷累加，表現為持續性。同時，通過連續度與頻度了解種植制度的持續時長，能夠有效排除看似有規律卻又不可復現的假性周期。可以說，連續度與頻度是種植制度特征是否持續與明顯的量化指標，針對每一類制度都將計算這兩項指標，計算結果將直接影響后續種植制度的識別。

針對具體制度的連續度、頻度的計算過程如下：（1）確定目標制度，調整時間滑動窗口的長度，與目標制度的周期保持一致；（2）從研究期的起始年份開始，逐次比對時間滑動窗口內的種植強度特征是否與目標制度的特征一致，記錄結果：“1（一致）”“0（不一致）”；（3）完成一次比對后，時間滑動窗口將以一年的步長向后移動，直至時間滑動窗口的末端抵達研究期的最后一年；（4）計算連續不間斷的“1”的序列的長度以及“1”出現的頻次，分別為連續度與頻度；（5）最后加上年份調整系數，將種植制度出現的次數轉變為種植制度持續的總年限，單年度制度的調整系數為0，跨年度的調整系數為完成單次周期的年份數-1。以上計算過程均在Matlab R 2016a完成。

式中，為種植制度的熟制；為種植制度的周期；為總年份數；為年份調整系數，具體為完成單次周期的年份數-1，單年度種植制度的為0；MCI為第年的復種指數值。

1.3.2 基于多年復種指數的跨年度分類體系 種植制度的類型不僅涵蓋了年內復種制度，還包括作物序列更為復雜的跨年度制度[12,36,43]。本研究構建的跨年度分類體系不僅是識別跨年度周期的必要基礎，更是識別種植制度周期是否穩定與持續的有效方法。跨年度分類體系是以多年的復種指數為基礎，將種植制度的特征轉變為復種指數的組合表達，并通過時間滑動窗口計算研究期內種植制度特征出現的連續次數與頻數，形成量化的指標進行比較從而確定最能代表當地耕地利用方式的種植制度。

具體流程如圖4所示：首先，根據被設為探測目標的種植制度在一個周期內呈現的特征構建表達式，隨后利用時間滑動窗口在像元尺度逐年遍歷研究期內的復種指數，針對每類制度的特征計算連續度與持續度，共得到4套不同結果。通常持續時間越長、出現頻率越高的制度，會被認作當地的優勢制度，通過比較種植制度間的連續度與頻度，尋找唯一最大值，即可確定最能代表當前像元實際利用情況的種植制度。如果連續度呈現低值則說明周期性行為復現難度大，屬于種植制度的概率較小；而高連續度則說明按種植制度的周期穩定地復現，指示著強周期性，因此先對連續度進行比較。若該像元的連續度存在唯一的最大值，則最大值對應的種植制度即為本像元所屬的種植制度；若該像元的連續度不符合唯一最大值原則，則繼續比較頻度。若該像元的頻度存在唯一的最大值，則最大值對應的種植制度即為本像元所屬的種植制度。若連續度與頻度都不存在唯一的最大值，那么就說明當前像元主要的種植制度至少有兩種。關于此類像元，暫時無法認定最能代表真實利用情況的種植制度是哪一種，應結合更多條件進行判斷，本研究不針對此類像元做進一步判斷（約占總像元數的3.27%）。

最終形成中國耕地種植制度數據，空間分辨率為500 m，共有8 747 360個有效值，約占全國耕地面積的96.73%。

2 結果

2.1 種植強度時空特征

2001—2018年，全國累計種植強度的平均值為（22.41±8.63），種植強度呈現出“南高北低、東高西低”的空間格局（圖5）。結合種植制度空間結果發現，一年兩熟的平均值為（32.95±4.89），但與預期的36次存在一定差距，可見一年兩熟區并未達到利用上限；其次是季節性休耕，平均值為（27.15±4.21）；然后是一年一熟，平均值為（19.18±3.23），略高于預期的種植強度，說明一年一熟區可能存在強度更高的種植方式；最后是年度休耕，平均值為（8.11±5.63），處于相對低值的水平，可以看出休耕行為持續了一定的年限，并非偶發性行為。年均種植強度等于1/2的耕地分別占24.72%/8.52%；年均種植強度＞2的耕地僅占1.09%；年均種植強度＜1的耕地累計達到16.93%，說明過去20年間休耕、撂荒現象普遍存在，因此存在許多具有開發潛力的耕地資源；全國約有一半的耕地年均種植強度介于1—2（48.74%），由此不難看出種收次數在年際間是波動變化的，并非一直維持一個不變的水平，僅憑斷點式的分析并不能完全掌握期間的動態變化（表1）。

2.2 指標空間與數值分布特征

2.2.1 連續度 針對4套種植制度獨立計算的連續度結果如圖6所示。一年一熟和一年兩熟的連續度較高，平均值分別為（13.00±5.25）和（12.10±5.42），季節性休耕和年度休耕的連續度較低，平均值分別為（6.08±1.51）和（5.87±2.67）。一年兩熟（圖6-a）在秦嶺-淮河以北地區鮮少有分布，連續度高值主要出現在河北、河南、安徽、山東4省（黃淮海平原），在華南地區則處于相對低值的水平。季節性休耕（圖6-b）的分布范圍與一年兩熟（圖6-a）基本一致，連續度多集中在3—7區間，無高值地區。一年一熟（圖6-c）在全國各地區均有分布，連續度高值出現在東北平原、華北平原、遼東半島。年度休耕（圖6-d）主要分布于“鐮刀彎”地區，東北區的連續度相較于黃土高原區數值更高。其中，一年一熟與一年兩熟出現了集中的高值區，高連續度則說明種植制度的特征突出，圖中的高值區將會是該種植制度的主要分布區。此外，在新疆地區還觀察到季節性休耕現象的存在，并且在連續度上表現為一年一熟＞季節性休耕＞一年兩熟，說明新疆地區的種植制度雖然仍以一年一熟為主，但同時也出現了更高強度的利用方式，即“兩年三熟”[44]。這是部分農戶主動選擇的一種新種植制度，具體是指每年種植一季的冬小麥為主茬次，閑田期再復播短生育期的蔬菜或油料作物，提升種植強度的同時增加了經濟收入。

審圖號：GS京（2024）0621號

a：累計種植強度空間分布圖The spatial distribution of accumulate cropping intensity；b：累計種植強度數量直方圖The statistical diagram of accumulate cropping intensity

圖5 種植強度空間與數量特征

Fig. 5 The spatial and quantitative characteristics of cropping intensity

表1 年均種植強度各區間占比

2.2.2 頻度 針對4套種植制度獨立計算的頻度結果如圖7所示。頻度的高低值排序與連續度一致，一年一熟的頻度最高，平均值為（15.67±2.87），一年兩熟的頻度略低于一年一熟，平均值為（14.80±3.50），然后是季節性休耕和年度休耕，平均值分別為（9.86±2.05）和（6.85±2.96）。頻度與連續度的空間分布范圍一致，但數值存在差異。一年兩熟（圖7-a）頻度在黃淮海平原出現高值之外，華南地區也出現＞10的相對高值，意味著在后續的自動分類體系中也將被識別為一年兩熟。雖然季節性休耕（圖7-b）連續度未出現高值，但在長江以南地區頻度出現了相對高值。一年一熟（圖7-c）頻度除北方的高值區外，在南方的四川盆地與長江中下游區均出現了相對高值。年度休耕（圖7-d）頻度的空間與數值分布與連續度一致，并且可以發現高值主要分布于“鐮刀彎”地區，低值主要分布于黃土高原地區，雖然同為年度休耕，但前者為農戶響應國家政策主動休耕，而后者則是受限于環境條件被迫休耕。

2.3 種植制度時空特征

2.3.1 種植制度空間分布與數量特征 全國耕地種植制度空間格局如圖8所示。數量最多的為一年一熟，占比為53.52%，其次為一年兩熟，占比為23.28%，隨后是季節性休耕與年度休耕，占比分別為12.80%與6.94%。一年一熟區占有最大的耕地面積（超過耕地總面積的一半），分布于東北平原、華北平原、南疆地區、遼東半島、長江中下游地區、四川盆地及其他地區。一年兩熟分布于黃淮海平原、陜甘南地區、長江中下游地區、華南地區及其他地區，在400 mm等降水量以北鮮少分布。季節性休耕分布于四川盆地西北部、云貴地區、華南地區及其他地區，與一年一熟、一年兩熟交錯分布，可見南方地區種植情況的復雜性。年度休耕主要分布于甘肅西部、寧夏南部、陜西北部以及山西、內蒙古交界地區，這些地區氣候干燥，多風沙，作物種植難度大；年度休耕在東北三省與內蒙古的交界地區也有部分分布，此地區主要種植單季稻，休耕的方式有利于恢復地力與平衡生態效益。一年三熟制度為分布在我國華南地區的一種高強度的種植制度，但由于其分布地區的局限性與有效監測的難度，表現出數量上的稀少，試驗結果表明一年三熟種植制度的數量僅占全國總耕地的0.19%，遠少于其他種植制度。因此本研究未選擇一年三熟種植制度作為主要種植制度。

2.3.2 結合跨年度時間信息的動態異質性 跨年度信息能夠將靜止的、不連續的認知轉變為動態的、連續的認知，不僅豐富了種植制度的類型，并且有助于識別長期的穩態與異質性。例如，圖9-b中，展示的兩個點位的復種指數均為1，若只觀察本年的復種指數則兩個點位表現為同質性。但結合跨年度時間信息判別所屬制度后，可以發現兩個點位在圖9-a中各屬于不同的制度。再結合逐年復種指數折線圖進行判斷，可以發現兩個點位的復種指數雖在2018年度均為1，但在整個研究期內顯然是截然不同的兩種變化，季節性休耕點位的復種指數在1、2間波動，年度休耕點位的復種指數在1、0間波動。由此可見，結合跨年度信息生成的種植制度（圖9-a）與地面真實情況更為接近，有助于深入理解相同氣候條件背景下，不同區域種植制度的周期性特征，及其造成這種區域差異的原因。并且借以更豐富的時間維信息揭示了單一年度復種指數的同質區域背后的異質性。以2018年度為例，年度一熟區（即遙感監測顯示復種指數為1的區域）內，75.18%的像元屬于一年一熟制度、6.60%的像元屬于一年兩熟制度、8.92%的像元屬于季節性休耕制度、8.02%的像元屬于年度休耕制度（圖10）。如果僅參考單一年度的復種指數，僅有75.18%的像元對于種植強度的估算較為準確。而年度二熟區內僅有55.02%的像元對于種植強度的估算較為準確。

審圖號：GS京（2024）0621號

審圖號：GS京（2024）0621號

a：種植制度空間分布圖The spatial distribution of cropping systems；b：種植制度數量直方圖The statistical diagram of cropping systems

圖8 種植制度空間與數量特征

Fig. 8 The spatial and quantitative characteristics of cropping systems

2.3.3 種植制度結果的不確定性 本方法以多年的種植強度信息作為關鍵輸入，研究期時間長度變化極有可能引起主導的種植制度發生變化。以本研究的主要結果（即2001—2018年種植制度結果）為參照，與延長研究期的2001—2021年種植制度結果進行疊加分析。其中，2001—2018年的復種指數數據來自李宇等[22,26]，2019—2021年的復種指數數據來自Qiu等[25]。首先，針對兩套數據產品進行一致性評估，經對比發現遙感提取復種指數的方法與數據源一致，但兩套數據產品因選用的掩膜不同而導致耕地范圍略有差異。又因為兩套數據產品的研究期有所重合，故計算重合年份的數據一致性，新引入的復種指數數據與原數據集的一致性為82.03%，故認為兩套數據經過融合后可用于計算2001—2021年種植制度。然后，以兩套數據一致的區域為研究區計算2001—2021年種植制度，并與2.3.1中結果進行疊加分析。表2表明，一年一熟與一年兩熟表現出高度的一致性，組內一致性均超過95%，季節性休耕次之，組內一致性為85.17%，年度休耕的一致性最差，但組內一致性仍超過了70%。總體來說，兩組數據表現出高度的一致性，一致性為92.50%。雖然季節性休耕與年度休耕的一致性較差，但因為全局占比不高所以對總體造成的影響也較小。從空間分布上看，不一致性區零散分布，未形成集中連片區域（圖11）。不一致的情況則與種植制度的轉變有關，超過臨界值后最能代表當地的種植制度則會發生變化。而高度的一致性也說明了本研究所采用的跨年度自動分類體系具有一定的穩健性，并且能夠精準地探測長期穩定存在的種植制度。

審圖號：GS京（2024）0621號

a：結合跨年度信息的種植制度空間分布圖The spatial distribution of cropping systems associated with inter-annual information；b：2018年度復種指數圖The multiple cropping index of China in 2018

審圖號：GS京（2024）0621號

表2 2001—2018年種植制度與2001—2021年種植制度一致性統計表

3 討論

3.1 研究期對于種植制度的影響

本研究所探測的目標為最能代表研究期內農業利用情況的種植制度，研究期的持續時長以及所處時段都將影響種植制度結果。首先，研究期的時間長度變化極有可能導致種植制度結果發生變化。我國農情復雜，農業行為多變，種植制度轉變也時常發生。種植制度發生轉變后，年度種植強度信息隨之變化，此時若延長研究期至新種植制度的量化特征值超過臨界值，新種植制度則會取代原種植制度。例如表2，延長研究期后，約有1.01%的一年兩熟制度轉為一年一熟制度，1.27%和1.25%的一年兩熟制度轉為季節性休耕制度和年度休耕制度。其次，不同時期的自然環境、農業政策均存在差異，因此該時期所選擇的種植制度也存在差異，進而導致不同的時間窗口對應不同的種植制度。例如，近年來各地對于休耕政策積極響應，但在21世紀初期我國耕地多為一年兩熟或一年一熟制度。本研究所提出的種植制度跨年度分類體系對于時間長度并無限制，理論上，不論研究年限長短均能應用此體系。

審圖號：GS京（2024）0621號

a：2001—2021年種植制度空間分布圖The spatial distribution of cropping systems during 2001-2021；b：2001—2018年種植制度與2001—2021年種植制度一致性圖The consistency of cropping systems between 2001-2018 and 2001-2021。C：一致性Consistency；I：不一致性Inconsistency

圖11 不同研究期的種植制度一致性

Fig. 11 The consistency of cropping systems during different research periods

3.2 關于種植制度的周期性

合理利用種植制度的周期性有利于適應不同的氣候和市場需求。首先，作物類型與種植制度周期的分配具有強關聯。如果計劃進一步開發利用種植潛力，則不能忽略作物類型。種植潛力上限與實際種植強度之間的差值即為可開發利用的種植潛力[45]。利用種植潛力首先需要確認可利用的窗口期，即“何時種”的問題；同時還應當將具體的作物類型納入考慮，即“種什么”的問題，以作物的成熟天數占用農業土地生育期的長度為定量指標[46]，可以評價種植該作物的適宜性。除利用種植潛力之外，對現有種植制度內部作物組合的優化也是對農業土地資源利用的優化。可嘗試將種植強度監測與作物分類信息結合，這樣更接近種植制度的完全定義，分析種植制度所產生的各項效應也更加準確，對于指導農業可持續生產具有重要意義。

其次，農戶的主觀選擇直接影響種植制度的周期性。農戶的不同選擇將直接導致相似氣候條件下種植制度周期的差異，例如2.2.1中提到的新疆地區的兩年三熟制度，與當地常見的一年一熟制度的差異即源自部分農戶的主動行為。而氣候條件雖然對農業產生客觀的限制性，但農戶的主觀能動性將會在合理范圍內提升或降低種植強度從而改變整個周期，例如2.2.2中的年度休耕制度的兩種成因。農戶通過搭配作物合理利用土地生育期并發揮主觀能動性形成的這種周期性有助于提高農業的可持續性和穩定性，降低農業系統面臨的風險。

3.3 跨年度分類體系的評價

本研究所采用的跨年度自動分類體系對于源數據具有較好的兼容性，不同分辨率的、不限方法獲得的種植強度數據集均能夠應用。通過整合時間維上的種植強度信息形成了“種植制度”的概念，挖掘穩定的長期性土地利用方式，以連續的、長周期的視角觀察處于變化中的種植強度，提煉出不變的種植制度特征，即穩定的、有規律的循環往復。這不僅可以兼容種植強度在年際間產生的波動，還可以降低單年影像質量不佳帶來的影響，個別年份結果的缺失或誤判并不會造成結果的誤分現象。

同時，本研究存在一定的局限性。首先，同分類后檢測方法一樣，源數據存在的誤差也可能會在此體系中不斷傳遞、疊加，并且最終結果的精度依賴輸入數據的精度，這里則是復種指數的精度。其次，本研究所采用的跨年度分類體系具有一定的容錯性，借助于全周期的信息，可以不出錯誤地處理部分年份數據誤判或缺失的情況。但是這樣的容錯性是有限并難以測量的，種植制度的類型與構成均會對此造成影響。最后，分類體系的有限性也會帶來誤差。本研究中的4類種植制度并不能代表所有的種植制度，必然存在不符合預先設置的任一種植制度特征的像元，但即使是此類像元，也只會被判定為預先設置的種植制度中的一種，因先驗知識的局限將帶來結果的誤差。

4 結論

結合遙感監測與空間決策樹模型等手段，構建了適合我國農情的跨年度種植制度探測方法體系，分析了動態穩定的種植制度的空間格局與不同區域間的時空異質特征，豐富了大尺度農作物種植制度研究。中國耕地種植制度呈現出分區聚集、種植強度南高北低的空間格局，單一行為的種植制度，即一年一熟、一年兩熟，具有更高的數量占比，存在聚集的分布區、高值的連續度與頻度，表現為時空雙重的穩定性；復合行為的種植制度，即季節性休耕、年度休耕，在時間維上具有周期變化的特征，為用養結合的可持續性農業提供了案例支撐。

種植制度更注重耕作行為的系統性，從周期性、持續性、長期性三方面有效整合了長周期的年度種植強度信息，從無規律的動態變化中提煉出相對靜態的種植周期，有助于更準確地了解耕地利用現狀，挖掘耕地生產潛力，推動“藏糧于地”戰略實施。采用“種植制度”這樣的系統性概念更有利于后續探究農業活動所產生的產能消耗、生產效益與生態服務損益等，指導耕地復種的優化與調控，進一步達到耕地可持續性集約化水平。

[1] RAY D K, GERBER J S, MACDONALD G K, WEST P C. Climate variation explains a third of global crop yield variability. Nature Communications, 2015, 6: 5989.

[2] WAHA K, MULLER C, BONDEAU A, DIETRICH J P,KURUKULASURIYA P, HEINKE J, LOTZE-CAMPEN H. Adaptation to climate change through the choice of cropping system and sowing date in sub-Saharan Africa. Global Environmental Change, 2013,

23(1): 130-143.

[3] ZHU P, BURNEY J, CHANG J F, JIN Z N, MUELLER N D, XIN Q C, XU J L, YU L, MAKOWSKI D, CIAIS P. Warming reduces global agricultural production by decreasing cropping frequency and yields. Nature Climate Change, 2022, 12: 1016-1023.

[4] RAY D K, WEST P C, CLARK M, GERBER J S, PRISHCHEPOV A V, CHATTERJEE S. Climate change has likely already affected global food production. PLoS ONE, 2019, 14(5): e0217148.

[5] COHN A S, VANWEY L K, SPERA S A, MUSTARD J F. Cropping frequency and area response to climate variability can exceed yield response. Nature Climate Change, 2016, 6: 601-604.

[6] HEINO M, KINNUNEN P, ANDERSON W, RAY D K, PUMA M J, VARIS O, SIEBERT S, KUMMU M. Increased probability of hot and dry weather extremes during the growing season threatens global crop yields. Scientific Reports, 2023, 13(1): 3583.

[7] FU J, JIAN Y W, WANG X H, LI L, CIAIS P, ZSCHEISCHLER J, WANG Y, TANG Y H, MULLER C, WEBBER H,. Extreme rainfall reduces one-twelfth of China’s rice yield over the last two decades. Nature Food, 2023, 4(5): 416-426.

[8] U.S. Department of Agriculture. Action plan for climate adaptation and resilience. 2021, https://www.sustainability.gov/pdfs/usda-2021- cap.pdf.

[9] 劉巽浩, 陳阜, 吳堯. 多熟種植——中國農業的中流砥柱. 作物雜志, 2015(6): 1-9.

LIU X H, CHEN F, WU Y. Multiple cropping: The principal part of China’s agriculture. Crops, 2015(6): 1-9. (in Chinese)

[10] 楊婷, 趙文利, 王哲怡, 陸星彤, 盧珊. 基于遙感影像NDVI數據的中國種植制度分布變化. 中國農業科學, 2015, 48(10): 1915-1925. doi: 10.3864/j.issn.0578-1752.2015.10.005.

YANG T, ZHAO W L, WANG Z Y, LU X T, LU S. Changes of cropping system in China based on remotely sensed NDVI data. Scientia Agricultura Sinica, 2015, 48(10): 1915-1925. doi: 10.3864/j. issn.0578-1752.2015.10.005. (in Chinese)

[11] 吳文斌, 余強毅, 陸苗, 項銘濤, 謝安坤, 楊鵬, 唐華俊. 耕地復種指數研究的關鍵科學問題. 中國農業科學, 2018, 51(9): 1681-1694. doi: 10.3864/j.issn.0578-1752.2018.09.006.

WU W B, YU Q Y, LU M, XIANG M T, XIE A K, YANG P, TANG H J. Key research priorities for multiple cropping systems. Scientia Agricultura Sinica, 2018, 51(9): 1681-1694. doi: 10.3864/j.issn.0578- 1752.2018.09.006. (in Chinese)

[12] WAHA K, DIETRICH J P, PORTMANN F T, SIEBERT S, THORNTON P K, BONDEAU A, HERRERO M. Multiple cropping systems of the world and the potential for increasing cropping intensity. Global Environmental Change: Human and Policy Dimensions, 2020, 64: 102131.

[13] 唐華俊, 吳文斌, 余強毅, 夏天, 楊鵬, 李正國. 農業土地系統研究及其關鍵科學問題. 中國農業科學, 2015, 48(5): 900-910. doi: 10.3864/j.issn.0578-1752.2015.05.08.

TANG H J, WU W B, YU Q Y, XIA T, YANG P, LI Z G. Key research priorities for agricultural land system studies. Scientia Agricultura Sinica, 2015, 48(5): 900-910. doi: 10.3864/j.issn.0578-1752.2015.05. 08. (in Chinese)

[14] POORE J, NEMECEK T. Reducing food’s environmental impacts through producers and consumers. Science, 2018, 360(6392): 987-992.

[15] WANG X, LI X B. Impacts of land fragmentation and cropping system on the productivity and efficiency of grain producers in the North China Plain: Taking Cangxian County of Hebei Province as an example. Journal of Resources and Ecology, 2020, 11(6): 580-588.

[16] UDDIN M J, HOODA P S, MOHIUDDIN A S M, SMITH M, WALLER M. Land inundation and cropping intensity influences on organic carbon in the agricultural soils of Bangladesh. Catena, 2019, 178: 11-19.

[17] HUANG M, TIAN A L, CHEN J N, CAO F B, CHEN Y M, LIU L S. Soil bacterial communities in three rice-based cropping systems differing in productivity. Scientific Reports, 2020, 10(1): 9867.

[18] XIONG Z Q, LIU Y L, WU Z, ZHANG X L, LIU P L, HUANG T Q. Differences in net global warming potential and greenhouse gas intensity between major rice-based cropping systems in China. Scientific Reports, 2015, 5: 17774.

[19] GAO J Q, YANG X G, ZHENG B Y, LIU Z J, ZHAO J, SUN S, LI K N, DONG C Y. Effects of climate change on the extension of the potential double cropping region and crop water requirements in Northern China. Agricultural and Forest Meteorology, 2019, 268: 146-155.

[20] JEONG S J, HO C H, PIAO S L, KIM J W, CIAIS P, LEE Y B, JHUN J G, PARK S K. Effects of double cropping on summer climate of the North China Plain and neighbouring regions. Nature Climate Change, 2014, 4(7): 615-619.

[21] YANG X G, CHEN F, LIN X M, LIU Z J, ZHANG H L, ZHAO J, LI K N, YE Q, LI Y, LV S, YANG P, WU W B, LI Z G, LAL R, TANG H J. Potential benefits of climate change for crop productivity in China. Agricultural and Forest Meteorology, 2015, 208: 76-84.

[22] 李宇, 邱炳文, 何玉花, 陳功, 葉智燕. 基于MODIS數據的2001—2018年中國耕地復種指數反演研究. 地理科學進展, 2020, 39(11): 1874-1883.

LI Y, QIU B W, He Y H, CHEN G, YE Z Y. Cropping intensity based on MODIS data in China during 2001-2018. Progress in Geography, 2020, 39(11): 1874-1883. (in Chinese)

[23] YAN H M, LIU F, QIN Y W, NIU Z E, DOUGHTY R, XIAO X M. Tracking the spatio-temporal change of cropping intensity in China during 2000-2015. Environmental Research Letters, 2019, 14: 035008.

[24] XIANG M T, YU Q Y, WU W B. From multiple cropping index to multiple cropping frequency: Observing cropland use intensity at a finer scale. Ecological Indicators, 2019, 101: 892-903.

[25] QIU B W, HU X, CHEN C C, TANG Z H, YANG P, ZHU X L, YAN C, JIAN Z Y. Maps of cropping patterns in China during 2015-2021. Scientific Data, 2022, 9(1): 479.

[26] QIU B W, WANG Z Z, TANG Z H, CHEN C C, FAN Z L, LI W J. Automated cropping intensity extraction from isolines of wavelet spectra. Computers and Electronics in Agriculture, 2016, 125: 1-11.

[27] RAMANKUTTY N, MEHRABI Z, WAHA K, JARVIS L, KREMEN C, HERRERO M, RIESEBERG L H. Trends in global agricultural land use: Implications for environmental health and food security. Annual Review of Plant Biology, 2018, 69: 789-815.

[28] HENRY R C, ENGSTR?M K, OLIN S, OLIN S, ALEXANDER P, ARNETH A, ROUNSEVELL M D A. Food supply and bioenergy production within the global cropland planetary boundary. PLoS One, 2018, 13(3): e0194695.

[29] IIZUMI T, RAMANKUTTY N. How do weather and climate influence cropping area and intensity? Global Food Security, 2015, 4: 46-50.

[30] 劉珍環, 楊鵬, 吳文斌, 李正國, 游良志. 近30年中國農作物種植結構時空變化分析. 地理學報, 2016, 71(5): 840-851.

LIU Z H, YANG P, WU W B, LI Z G, YOU L Z. Spatio-temporal changes in Chinese crop patterns over the past three decades. Acta Geographica Sinica, 2016, 71(5): 840-851. (in Chinese)

[31] 蔣敏, 李秀彬, 辛良杰, 談明洪. 南方水稻復種指數變化對國家糧食產能的影響及其政策啟示. 地理學報, 2019, 74(1): 32-43.

JIANG M, LI X B, XIN L J, TAN M H. The impact of paddy rice multiple cropping index changes in Southern China on national grain production capacity and its policy implications. Acta Geographica Sinica, 2019, 74(1): 32-43. (in Chinese)

[32] 冀正欣, 王秀麗, 李玲, 關小克, 蔚霖, 許月卿. 南陽盆地區耕地利用效率演變及其影響因素. 自然資源學報, 2021, 36(3): 688-701.

JI Z X, WANG X L, LI L, GUAN X K, YU L, XU Y Q. The evolution of cultivated land utilization efficiency and its influencing factors in Nanyang Basin. Journal of Natural Resources, 2021, 36(3): 688-701. (in Chinese)

[33] YAO Z Y, ZHANG L J, TANG S H, LI X X, HAO T T. The basic characteristics and spatial patterns of global cultivated land change since the 1980s. Journal of Geographical Sciences, 2017, 27: 771-785.

[34] 武蘭芳, 陳阜, 歐陽竹. 種植制度演變與研究進展. 耕作與栽培, 2002(3): 1-5, 14.

WU L F, CHEN F, OUYANG Z. The evolution and research progress of cropping system. Tillage and Cultivation, 2002(3): 1-5, 14. (in Chinese)

[35] BLANCO-CANQUI H, LAI R. Cropping systems//Principles of Soil Conservation and Management. Dordrecht: Springer, 2010: 165-193.

[36] SHEN G, YU Q Y, ZHOU Q B, WANG C, WU W B. From multiple cropping frequency to multiple cropping system: A new perspective for the characterization of cropland use intensity. Agricultural Systems, 2023, 204: 103535.

[37] 蘇康傳, 楊慶媛, 張忠訓, 畢國華. 中國耕地差異化休耕模式及技術措施探討. 農業工程學報, 2020, 36(9): 283-291.

SU K C, YANG Q Y, ZHANG Z X, BI G H. Investigation of differential fallow patterns and technical measures for cultivated land in China. Transactions of the Chinese Society of Agricultural Engineering, 2020, 36(9): 283-291. (in Chinese)

[38] 黃國勤, 趙其國. 中國典型地區輪作休耕模式與發展策略. 土壤學報, 2018, 55(2): 283-292.

HUANG G Q, ZHAO Q G. Mode of rotation/fallow management in typical areas of china and its development strategy. Acta Pedologica Sinica, 2018, 55(2): 283-292. (in Chinese)

[39] 董金瑋, 吳文斌, 黃健熙, 尤南山, 何盈利, 閆慧敏. 農業土地利用遙感信息提取的研究進展與展望. 地球信息科學學報, 2020, 22(4): 772-783.

DONG J W, WU W B, HUANG J X, YOU N S, HE Y L, YAN H M. State of the art and perspective of agricultural land use remote sensing information extraction. Journal of Geo-information Science, 2020, 22(4): 772-783. (in Chinese)

[40] 石淑芹, 曹玉青, 吳文斌, 楊鵬, 蔡為民. 耕地集約化評價指標體系與評價方法研究進展. 中國農業科學, 2017, 50(7): 1210-1222. doi: 10.3864/j.issn.0578-1752.2017.07.004.

SHI S Q, CAO Y Q, WU W B, YANG P, CAI W M. Progresses in research of evaluation index system and its method on arable land intensification: a review. Scientia Agricultura Sinica, 2017, 50(7): 1210-1222. doi: 10.3864/j.issn.0578-1752.2017.07.004. (in Chinese)

[41] HIGO M, TATEWAKI Y, IIDA K, YOKOTA K, ISOBE K. Amplicon sequencing analysis of arbuscular mycorrhizal fungal communities colonizing maize roots in different cover cropping and tillage systems. Scientific Reports, 2020, 10(1): 6039.

[42] YAN Z Z, ZHANG X Y, RASHID M A, LI H J, JING H C, HOCHMAN Z. Assessment of the sustainability of different cropping systems under three irrigation strategies in the North China Plain under climate change. Agricultural Systems, 2020, 178: 102745.

[43] LIU Y, YU Q Y, ZHOU Q B, WANG C, BELLINGRATH-KIMURA S D, WU W B. Mapping the complex crop rotation systems in Southern China considering cropping intensity, crop diversity and their seasonal dynamics. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 15: 9584-9598.

[44] 李忠華, 張龑, 李翠梅, 李風晶. 新疆兩年三熟種植模式研究. 農村科技, 2018(12): 6-8.

LI Z H, ZHANG Y, LI C M, LI F J. The cropping pattern of triple cropping per cycle in Xinjiang, China. Rural Science & Technology, 2018(12): 6-8. (in Chinese)

[45] WU W B, YU Q Y, YOU L Z, CHEN K, TANG H J, LIU J G. Global cropping intensity gaps: Increasing food production without cropland expansion. Land Use Policy, 2018, 76: 515-525.

[46] 余強毅, 項銘濤, 謝安坤, 申格, 楊鵬, 吳文斌. 耕地復種差研究進展. 中國農業信息, 2018, 30(5): 1-12.

YU Q Y, XIANG M T, XIE A K, SHEN G, YANG P, WU W B. Cropping intensity gap: a review. China Agricultural Informatics, 2018, 30(5): 1-12. (in Chinese)

remote sensing Detection of cropping system and Its spatial-temporal pattern in China

ZHANG SuXin1, SHEN Ge2, YU QiangYi1, WU WenBin1

1Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences/State Key Laboratory of Efficient Utilization of Arid and Semi-arid Arable Land of Northern China/Key Laboratory of Agricultural Remote Sensing, Ministry of Agriculture and Rural Affairs, Beijing 100081;2Institute of Land and Urban-Rural Development, Zhejiang University of Finance and Economics, Hangzhou 310018

【Objective】Cropping systems of cropland are the concrete embodiment of the mode of agricultural production, which reflect the coupled human-environment interactions. The formation is affected by natural resource elements and human land use behavior. This study aims to scientifically understand the spatial-temporal pattern of cropping systems, which helps to optimize agricultural distribution, improve agricultural production capacity, and realize the sustainable agriculture.【Method】This study combined remote sensing monitoring with spatial decision tree models and other means to construct an inter-annual detection method system for cropping systems, which is designed for Chinese agricultural conditions, and then spatial pattern of cropping systems was analyzed. Firstly, the connotation of cropping systems was defined by identifying concepts such as cropping intensity, multiple cropping index, and considering of characteristics of “long-lasting” “periodicity” “stability”. Secondly, the indicators (i.e. continuity and frequency) were constructed, and were calculated at the pixel scale by the moving time window. Finally, the significance of the cropping intensity and characteristics of cropping system was evaluated. The decision tree method was also applied to determine the type of cropping systems, and the spatial-temporal heterogeneity of cropping systems in different regions was analyzed from the aspects of regional differences and dynamic laws.【Result】(1) Quantitatively, the largest area, 53.52%, is occupied by the single-cropping system, followed by the double-cropping system at 23.28%, the seasonal fallow system (i.e. 3 crops in 2 years) and the annual fallow system at 12.80% and 6.94%, respectively. (2) Spatially, the single-cropping system, double-cropping system, seasonal fallow system and annual fallow system are concentrated in Northeast China, North China, South of Yangtze River and “Sickle Bend” areas, respectively. (3) Temporally, it revealed the heterogeneity of cropping system and static multiple cropping index in the time dimension. For example, the regions with multiple cropping index of 1 in 2018 consist of 75.18% single-cropping system, 6.60% double-cropping system, 8.92% seasonal fallow system and 8.02% annual fallow system.【Conclusion】This study proposed a method for mapping inter-annual cropping systems, combining remote sensing temporal monitoring and spatial decision tree models. It revealed the spatial pattern of cropping systems which is gathered by zone and cropping intensity is higher in the south and lower in the north. The Songnen Plain, “Sickle Bend” and other spatial gathering areas were intuitively displayed. Also, the differences between multi-cropping and cropping system were compared, which were mainly manifested in the spatial inconsistency between the cropping system and the annual multiple cropping index, as well as the periodicity of the cropping system. The results will provide case support for rationally increasing the cropland multi-cropping intensity and promoting the implementation of the “grain storage in the ground” strategy.

cropland; cropping system; multiple cropping; land fallow and crop rotation; inter-annual; spatial-temporal pattern

10.3864/j.issn.0578-1752.2024.08.005

2023-07-07；

2023-10-09

國家自然科學基金（42171271）、中國農業科學院“青年創新”專項（Y2022QC16）、浙江省自然科學基金（LQ23D010001）

張素心，E-mail：82101212294@caas.cn。通信作者余強毅，E-mail：yuqiangyi@caas.cn

（責任編輯 岳梅）